Ismertek a kérdések, az adatok, és van elképzelés arról, milyen próbát akarsz végezni.

Kezdőpont Adatok: Érdemes lekérni leíró statisztikákat, hogy átfogó képet kapjunk az adatainkról. Hány fő van a mintáinkban, vannak-e hiányzó értékek,
Beolvasás Változók tulajdonságainak beállítása átlagok, szórások, stb. Ezeket egy részét úgyis közölni kell a minta leírása során.
Próbák: Egy jó kutatásban, már a kísérletet is úgy tervezzük meg, hogy figyelembe vesszük, a bejövő adatokon milyen elemzéseket akarunk majd
végezni, de legkésőbb itt, mielőtt még az adatokon bármit is dolgoztunk volna, döntenünk kell a statisztikákról, hiszen a próbáknak különböző
feltételei vannak, különböző kérdésekhez különböző minták tartoznak, ezért elemzéstől függően különböző ellenőrzéseket kell végeznünk.
Adattisztítás
A hibás értékek olyan adatok, melyek az adott skálán nem fordulhatnak elő, valamilyen hiba (például elgépelés) miatt kerültek csak az
Hibás értékek kiszűrése adatbázisunkba. Példa: nemi adatoknál 3-as érték, vagy 0-tól 50-ig terjedő skálán 61-es érték, vagy kor változóban 132 év. Ha hibás érték van az
adataink között, azzal mindenképpen kezdeni kell valamit.
Deskriptív statisztika
Bármely változó minimuma / maximuma nem
elképzelhető érték? Hogy van-e hibás érték, legkönnyebben egy leíró statisztikával ellenőrizhetjük. Kérjük ki a minimumot és a maximumot, és ha ezek minden változó
esetén valamilyen elképzelhető értékek (például nem minimuma 1 és maximuma 2), akkor mehetünk tovább.
IGEN
NEM

Ha felfedeztünk egy hibás értéket, az javítanunk kell. Egy nagyobb adatbázisban viszont nem könnyű megtalálni ezeket. Két módszert
Hibás érték megtalálása használhatunk, a Boxplotot és a Extreme values, ami az Explore statisztika Outliers opciójával kérhető ki (ez utóbbi elnevezés félrevezető, hiszen
nem feltétlenül outliereket sorol fel, hanem az öt legnagyobb és öt legkisebb értéket). Mind a két megjelenítési formánál látjuk majd a hibás
Boxplot és/vagy Extreme values érték sorszámát. Nem kell mind a kettőt kikérni, mikor egyik, mikor másik hasznosabb.

Hibás érték javítása vagy törlése
Ha megtaláltunk egy hibás értéket, azzal mindenképpen kezdeni kell valamit, nem szabad egyszerűen a mintában hagyni. Ha szerencsénk van,
utána tudunk nézni, mi lehetett a jó érték (például papíron kitöltött kérdőívnél kikereshetjük), és ki tudjuk javítani azt a helyes adatra. Ha nincs
szerencsénk, és nem tudunk ennek utánanézni, akkor törölni kell. Itt nem opció, hogy az értéket átírjuk valami másra. Sőt tippelni sem érdemes,
mert több kárt teszünk, ha tévedünk, mint amennyi hasznot hajtunk azzal, hogy „megmentünk” egy adatot. Ha végeztünk, kérjünk ki még egy
leíró statisztikát, hogy ellenőrizzük, minden hibás értéket eltávolítottunk.

Az outlier olyan érték, mely az adott skálán elképzelhető, de annyira szélsőséges, hogy torzítaná a statisztikáinkat (eltolná az átlagot, megnövelné
Outlierek kiszűrése a szórást stb.). Ilyen lehet például egy egyetemista mintában egy 35 éves kísérleti személy – létezik ilyen, de a többségtől jóval idősebb. Itt az ő
szélsőséges értékének van információtartalma, ezért jó lenne megtartani, mint valaki, akinek magas a kora a mintában, de valahogy meg kellene
Boxplot szüntetni a szélsőségességének torzító hatását.
Vannak csillaggal jelölt értékek és körökkel jelölt értékek?
IGEN
NEM

Mennyire kell szélsőségesnek lenni egy értéknek ahhoz, hogy outliernek tekintsük. Több definíció is létezik, mi az outlier labelling rule szerint
dolgozunk (másik ismert szabály az átlag +/- 2 vagy 3 szórás). Az outlier labelling rule szerint outlier az, aki a középső ötven százalék
másfélszeresénél távolabbra van az alsó és felső negyedelő pontoktól – ezeket a Boxplot körökkel jelöli. A Boxplot jelöl értékeket csillaggal is, ezek
2,2-es szorzóval is outlierek lennének? az értékek a középső ötven százalék háromszorosánál vannak távolabb a quartilisektől.
IGEN
NEM

Bár az SPSS másfélszeres szorzóval dolgozik, helyesebb lenne 2,2-eddel számolni, és azokat outliernek tekinteni, akik a középső ötven százalék 2,2-
szeresénél vannak távolabb a quartilisektől.

Mintában Adattransz Ha megtaláltuk az outliereket, el kell döntenünk mit csinálunk velük, amire több megoldás is létezik.
Törlés Átírás
hagyás formáció
Bár az outlierek szűrését általában egységesen, az összes adaton közösen, az adatfeldolgozás elején szoktuk elvégezni, egyes hipotézisek,
melyekhez a teljes adatbázisnak csak egy részét használjuk mintának , szükségessé tehetik, hogy később az adott almintán is ellenőrizzük az
outliereket. Például kiszűrtük a 35 éves kísérleti személyt az egyetemista mintából, de ha az egyik hipotézishez csak az elsősöket használjuk,
akkor lehet, hogy már a 28 éves is outlier lenne, és ki kellene szűrni.
Megtisztított adatok

Általában törekszünk arra, hogy parametrikus próbát használjunk, hiszen legtöbbször ezek a legérzékenyebb elemzések, ezért a parametrikusság
feltételei külön kiemelve szerepelnek a tananyagban. De a parametrikusságon kívül minden próbának vannak egyéni feltételei, melyeknek
teljesülni kell ahhoz, hogy használhassuk őket. Ilyen lehet például a minimális elemszámra, a minták függetlenségére vagy összefüggésére, vagy a
változók közötti kapcsolat meglétére, hiányára, erősségére, linearitásra vonatkozó feltételek. Mivel a feltételek próbánként eltérőek, ezért ezen a
Próba feltételeinek ellenőrzése diagramon nem szerepel részletesen az ellenőrzésük, érdemes azonban még a parametrikusság feltételeinek ellenőrzése előtt áttekinteni őket.

A használni kívánt próba

Másik próba IGEN feltételeinek átnézése – van valami A parametrikusságnak négy feltétele van: Függetlenség, legalább intervallum skála típusú adatok, normál eloszlás, szóráshomogenitás.
keresése speciális feltétel, amiről más most Ellenőrzésük során érdemes ebben a sorrendben haladni, hiszen ha nem teljesül a függetlenség, akkor az egy egészen speciális eset, és speciális
kijelentheted, hogy nem teljesül? próbák használatát kívánja meg. Ha az adatok nem skála típusúak, akkor biztosan nem használhatunk parametrikus próbát, és egyébként bizosan
nem teljesül/nem értelmezhető a normalitás és szóráshomogenitás sem (például nem(!) ellenőrizzük egy dichotóm változó normalitását. Végül a
NEM

szóráshomogenitás tesztek is érzékenyek a normalitásra, ezért más tesztet kell alkalmazni a normál eloszlás feltételének teljesülése és sérülése
Parametrikusság esetén.
NEM
Kitöltők függetlensége
Ha nem teljesül a függetlenség, azt nem igazán lehet korrigálni, Azért nem feltétlenül biztos halál: vannak olyan kísérleti elrendezések, melyek
IGEN

tudatosan a kísérleti személyek egymásra hatását figyelembe véve dolgoznak, és vannak statisztikák, melyekkel az ilyen adatokat elemezni lehet.
Változó típusa
Dichotóm A feltételek ellenőrzésekor általában a függő változó parametrikusságát kell ellenőriznünk (például nem ellenőrizzük egy t-próbánál, hogy a
csoportosító változó normál eloszlást követ-e), de lehet olyan elemzés is, melynél a független változókra is van feltételük (például regresszió
(Függő) változó Egyéb kategoriális elemzés)
típusa?
Ordinális
Ha a függő változó nem skála típusú, nem teljesül/nem értelmezhető a normál eloszlás, ezért ilyenkor nem is ellenőrizzük.
Skála típusú

Bizonyos parametrikus próbák megengedik, hogy a függő változó dichotóm legyen. Normalitást attól még továbbra sem ellenőrzünk dichotóm
Normál eloszlás adaton.

Itt válik először kiemelkedően fontossá, hogy a feltételeknek mindig az adott hipotézishez tartozó mintán kell teljesülnie, nem az egész
Mintánként
Central limit K-S ill. S-W adatbázison. Tehát ha a különböző hipotéziseinkhez és az alkalmazandó próbákhoz különböző minták tartoznak, akkor minden próbához külön
min. 15 fő,
teorem NEM teszt szerint NEM enyhén ferde, ellenőrizni kell, hogy az ahhoz tartozó mintán teljesülnek-e e feltételek.
Mintánként feltételezhet
enyhén csúcsos,
40 főnél ő a normál
outlier nélküli,
több van? eloszlás? A normál eloszlás ellenőrzésének három elégséges módszere van. A három elemzés közül BÁRMELYIK teljesül, feltételezhető a normál eloszlás.
unimodális
Éppen ezért nem kell mind a hármat elvégezni, ha bármelyik módszer alapján teljesül a normál eloszlás, a másik két ellenőrzést nem kell
IGEN

NEM

elvégezni.

A szóráshomogenitás a a parametrikusság feltételi közül a legkevésbé egységes. Egyrészről van, ahol a minták szórásának hasonlóságát
Feltételezhető a Csak ha egyik sem teljesül, nem ellenőrizzük (szóráshomogenitás), van ahol a minták közötti különbségek szórásának hasonlóságát (szfericitás), van, ahogy az egyik változó
normál eloszlás feltételezhető a normál eloszlás szintjein a másik változó szórásának hasonlóságát (homoszkedaszticitás), van ahol nem kell szóráshomogenitást ellenőrizni. Másrészről
próbánként eltérő módon ellenőrizzük. Harmadrészről az SPSS-ben a legtöbb próbába be van építve a szóráshomogenitás ellenőrzése, és
általában nem is kell külön próbát használnunk a feltétel sérülése esetén, mert a próbákban korrekció is be van építve ilyen esetekre. Éppen
ezért sokszor nem is szoktuk külön előre ellenőrizni ezt a feltételt, hanem kikérjük a próbát, ott megnézzük a szóráshomogenitás tesztet, és ha
A próba által előírt szóráshomogenitás,
teljesül a feltétel, akkor az eredeti elemzéshez tartozó eredményeket, ha nem teljesül, akkor a korrekcióhoz tartozó táblázatokat értelmezzük.
szfericitás, homoszkedaszticitás teljesül?
IGEN

NEM

Ha nem teljesül a normalitás és szóráshomogenitás sem, olyan nemparametrikus tesztet érdemes használni, melyet a normalitás sérülése esetén
választanánk. (A legtöbb ilyen teszt rangsorolással dolgozik, mely megoldja a szóráshomogenitás sérülésének kérdését is egyben)

Parametrikus próba
Nemparametrikus próbák között is van többféle, melyek különböző körülményekre a legalkalmasabbak, és különböző módszerrel dolgoznak.
használata
Legtöbbször a parametrikus
próba használata a próbába Ne feledjétek, ez a flowchart csak útmutatóként használható, a statisztikai elemzés mindig értelmező döntések sorozatából áll, így az itt felvázolt
beépített korrekcióval lépések mechanikus követése nem feltétlenül vezet jó megoldáshoz.

Nemparametrikus próba használata Várhelyi Klára - stathelp.hu